OpenVINO?工具套件應用案例之停車(chē)場(chǎng)監控系統

近年來(lái)，隨著(zhù)物聯(lián)網(wǎng)（IoT）等技術(shù)的進(jìn)步，數碼攝像頭在視頻監控領(lǐng)域正扮演著(zhù)越來(lái)越重要的角色。據統計，2016年全球約有3.5億臺監控攝像頭，而亞洲幾乎占全球總量的65%。

視頻監控攝像頭在捕捉到動(dòng)態(tài)畫(huà)面時(shí)，不僅可以被動(dòng)地錄制視頻，還可以根據視頻進(jìn)行實(shí)時(shí)分析。在本文中，我們將探討如何借助于英特爾?的OpenVino?工具套件對停車(chē)場(chǎng)進(jìn)行監控，并根據進(jìn)出車(chē)輛數自動(dòng)判斷停車(chē)場(chǎng)內是否還有可用車(chē)位。

停車(chē)場(chǎng)監控數據流水線(xiàn)

在本應用案例中，我們將探索一個(gè)深度學(xué)習案例：根據行駛方向跟蹤車(chē)輛，并判斷車(chē)輛是進(jìn)入還是離開(kāi)停車(chē)場(chǎng)。

圖1列出的是停車(chē)場(chǎng)車(chē)輛跟蹤流水線(xiàn)圖。我們將通過(guò)此圖詳細介紹一下該深度學(xué)習應用的工作原理。

圖1：停車(chē)場(chǎng)車(chē)輛跟蹤流水線(xiàn)圖說(shuō)明了此應用如何利用OpenVino?工具套件通過(guò)捕捉到的畫(huà)面檢測車(chē)輛，計算車(chē)輛質(zhì)心坐標（被檢測車(chē)輛的移動(dòng)距離）以確定車(chē)輛的進(jìn)出情況

該應用案例通過(guò)安裝在停車(chē)場(chǎng)出入口上方的攝像頭捕捉畫(huà)面，然后通過(guò)深度神經(jīng)網(wǎng)絡(luò )（基于針對車(chē)輛識別進(jìn)行訓練和優(yōu)化的卷積神經(jīng)網(wǎng)絡(luò )即CNN，一種常用于圖像處理的深度神經(jīng)網(wǎng)絡(luò )）對捕捉到的車(chē)輛進(jìn)行識別。通過(guò)CNN識別捕獲幀中的車(chē)輛，并根據車(chē)輛輪廓的最小外接矩形計算出車(chē)輛質(zhì)心坐標。由于視頻檢測頻繁，再加上車(chē)輛行駛緩慢，可將此坐標作為車(chē)輛的起始位置并存儲下來(lái)。當捕捉到新幀并檢測到車(chē)輛時(shí)，將上一個(gè)質(zhì)心與新質(zhì)心進(jìn)行比較，以此判斷車(chē)輛行駛方向，進(jìn)而確定車(chē)輛是進(jìn)入還是離開(kāi)停車(chē)場(chǎng)。

圖2是CNN工作時(shí)的截屏。圖中綠色部分顯示的是車(chē)輛質(zhì)心位置坐標（用于進(jìn)行跟蹤和比較）。

圖2：停車(chē)場(chǎng)監控屏幕用綠色圓圈來(lái)標識車(chē)輛質(zhì)心坐標，來(lái)判斷車(chē)輛是進(jìn)入還是離開(kāi)停車(chē)場(chǎng)（來(lái)源：英特爾）

想要查看更多OpenVINO相關(guān)技術(shù)與資料，請戳>> http://dyxdggzs.com/openvino